D 2016

Multilingual CPA: Linking Verb Patterns across Languages

BAISA, Vít, Sara MOŽE a Irene RENAU

Základní údaje

Originální název

Multilingual CPA: Linking Verb Patterns across Languages

Autoři

BAISA, Vít (203 Česká republika, garant, domácí), Sara MOŽE (705 Slovinsko) a Irene RENAU (724 Španělsko)

Vydání

Tbilisi, Proceedings of the XVII EURALEX International congress, od s. 410-417, 8 s. 2016

Nakladatel

Ivane Javakhishvili Tbilisi State University

Další údaje

Jazyk

angličtina

Typ výsledku

Stať ve sborníku

Obor

10201 Computer sciences, information science, bioinformatics

Stát vydavatele

Gruzie

Utajení

není předmětem státního či obchodního tajemství

Forma vydání

elektronická verze "online"

Kód RIV

RIV/00216224:14330/16:00090692

Organizační jednotka

Fakulta informatiky

ISBN

978-9941-13-542-2

UT WoS

000392695200044

Klíčová slova anglicky

Corpus Pattern Analysis; corpus lexicography; multilingual resources; verb patterns

Příznaky

Mezinárodní význam, Recenzováno
Změněno: 20. 7. 2018 14:41, Mgr. Michal Petr

Anotace

V originále

This paper presents the results of a pilot study in linking corresponding English and Spanish verb patterns using both automatic and manual procedures. Our work is rooted in Corpus Pattern Analysis (CPA) (Hanks 2004, 2013), a corpus-driven technique that was used in the creation of existing monolingual pattern dictionaries of English and Spanish verbs, which were used in our experiment to design a gold standard of manually annotated verb pattern pairs. Research in CPA has inspired parallel projects in English, Spanish, Italian and German. Our study represents the first attempt to build a multilingual lexical resource by linking verb patterns in these languages. Verb have special difficulties related to grammar and argument structure that we do not find in other parts-of-speech, and for that reason we think that it is necessary to create a specific resource for them. After applying the automatic matching to a set of 87 Spanish verbs linked to 176 English verbs, an evaluation of a random selection of 50 of these pairs show 80% precision

Návaznosti

7F14047, projekt VaV
Název: Harvesting big text data for under-resourced languages (Akronym: HaBiT)
Investor: Ministerstvo školství, mládeže a tělovýchovy ČR, Harvesting big text data for under-resourced languages